10553 个插件、2 周破万：DeepSeek Harness 掀起的「插件大战」，为什么比模型本身更值得关注

过去两周，GitHub 上一个叫 dsh-plugin 的标签下，仓库数量从零涨到了 10,553 个。驱动它的不是什么新模型发布会，而是 DeepSeek Harness——一个开源的 AI 编程工具框架。与此同时，B 站 AI 编程工具类视频呈现出三足鼎立的格局：Claude Code 有 29 条相关视频，单条最高 8.9 万赞；Codex 有 34 条；DeepSeek Harness 虽然只有 8 条，但增长曲线最陡。

这不是又一个「谁写代码更快」的故事。真正在发生的，是 AI 编程工具的竞争正在悄悄换道——从模型能力比拼，转向生态开放度的比拼。

三大 AI 编程工具路线对比图

三条路线，三个不同的底层逻辑

把当前最热的三款 AI 编程工具放在一起看，你会发现它们几乎代表了三种完全不同的产品哲学。

Claude Code 走的是「CLI 原生派」路线。它的核心场景是终端里的代码生成与重构，目标用户是专业开发者。优势在于精准可控——你说改什么，它就改什么，上下文窗口大，理解复杂代码库的能力强。但它的边界也很清晰：主要服务于写代码这个单一动作，离开终端就不再是它的主战场。

Codex 走的是「全平台派」路线。它嵌入在 ChatGPT 桌面端里，打通了 Chat、Work 和 Codex 三种工作模式，语音交互（ChatGPT Voice）可以直接协调编程任务。它的目标用户更广泛——不只是后端工程师，也包括产品经理、设计师、偶尔写代码的人。优势是体验完整、门槛低，一个应用覆盖从想法到代码的全链路。

DeepSeek Harness 走的则是「插件开源派」路线。它自己不做一个封闭的客户端，而是提供一个可扩展的框架，任何人都可以写插件接入。2 周内 10,553 个插件仓库的增长速度，远超同类项目同期水平。甚至已经有开发者用它的插件架构重写了本地 Codex 应用——这说明插件化的路线，正在从外部「吞噬」传统工具的形态。

三条路线没有绝对的好坏，只是生态位不同。专业开发者看重可控性，倾向于 Claude Code；追求全场景体验的大众用户，更可能选 Codex；喜欢折腾、需要定制化、或者在意国产开源路线的极客和国内团队，DeepSeek Harness 有明显的吸引力。

竞争焦点从「写代码」转向「编排工作流」

一个容易被忽略的事实是：MCP、Agent Skill、插件化架构，正在成为三大路线的共同语言。

这意味着什么？过去大家比的是「谁生成的代码质量更高」「谁补全更快更准」。现在比的，是「谁能连接更多工具」「谁能编排更复杂的工作流」「谁的生态更开放」。

代码生成本身，正在变成一个基础能力——就像搜索引擎的排序算法，是核心但不再是唯一的护城河。真正拉开差距的，是这个 AI 编程助手能不能连上你的数据库、能不能操作你的 CI/CD、能不能调用你团队内部的 API、能不能和你已经在用的 10 个开发工具串成一条流水线。

AI 编程工具竞争焦点迁移

这也是为什么 DeepSeek Harness 虽然上线时间最短，但社区热度涨得最快。开源 + 插件化的架构，意味着它的扩展速度不依赖一个公司的研发团队，而是整个社区的力量。10,553 个插件仓库不是终点，而是生态飞轮的起点——插件越多，能用的场景越多，吸引的开发者越多，反过来又催生更多插件。

当然，开放生态也有它的问题：插件质量参差不齐，安全风险需要管理，用户体验不如闭源产品统一。这些都是「全平台派」和「CLI 原生派」的优势所在。

生态开放度，才是下一阶段的真正战场

如果把视野拉得再远一点，你会发现这波 AI 编程工具的竞争，和早年的浏览器大战、智能手机操作系统大战，底层逻辑是一样的。

第一阶段比的是核心体验——谁的渲染引擎更快，谁的手机更流畅。第二阶段比的就是生态——谁的应用更多，谁的开发者更活跃。赢家从来不是技术参数最强的那个，而是生态最开放、开发者最愿意往里投入的那个。

AI 编程工具生态飞轮模型

放在当下看，三条路线各有各的筹码：

• Claude Code 靠 Anthropic 的模型能力和 CLI 的精准体验，牢牢占住专业开发者心智；
• Codex 背靠 ChatGPT 的巨大用户基础和全平台体验，占住大众用户和跨职能场景；
• DeepSeek Harness 靠开源插件和国产路线，占住极客群体和国内市场，而且增长速度最快。

谁会最终胜出还不好说。但有一个判断相对明确：下一阶段的竞争焦点，不会再是模型榜单上的跑分，而是生态开放度和工作流编排能力。模型能力会持续趋同，而生态的差距一旦拉开，就很难追回来。

对普通开发者的三个实际建议

说了这么多行业格局，回到一个更实际的问题：作为普通开发者，现在该怎么选？

第一，不要「站队」，要「组合使用」。不同工具擅长的场景不一样——复杂代码重构用 Claude Code，快速原型和跨工具协作体验 Codex，需要深度定制或国产替代方案时试试 DeepSeek Harness。工具是为效率服务的，不是身份标签。

第二，关注「插件生态」，而不只是模型本身。一个工具的插件生态越丰富，它能帮你做的事情就越多，你投入的学习成本也越不容易沉没。选择工具的时候，除了看生成代码的质量，也看看它能不能连接你已经在用的其他工具。

第三，理解底层范式，比熟练操作某一个工具更重要。MCP、Agent Skill、插件化架构——这些不是某个产品的专属功能，而是整个行业正在形成的通用语言。把这些概念搞懂了，不管下一个火的工具叫什么名字，你都能快速上手。

开发者工具选择决策路径

AI 编程工具的第一幕——比谁写代码更快——已经接近尾声。第二幕——比谁的生态更开放——正在拉开。对开发者来说，这是好事：选择更多了，天花板更高了，真正的效率提升还在后面。

结语

AI 编程工具的「三国杀」，本质上不是三款产品的竞争，而是三种产品哲学的碰撞——CLI 原生的精准、全平台的体验、开源插件的开放。哪一种会成为主流，现在下结论还太早。

但有一件事是确定的：最终胜出的，大概率不是模型最强的那个，而是生态最开放的那个。对我们开发者来说，真正值得投入的，不是某一个具体工具，而是理解这个行业正在形成的通用语言——MCP、Agent Skill、插件化架构。

把这些底层逻辑搞懂了，不管工具怎么换，你都不会掉队。

本文由 AI 辅助创作，经人工校对后发布。